› › ›

ICU 排序关键字字段

排序用于根据特定语言的词序对文档进行排序。icu_collation_keyword 字段类型适用于所有索引，它会像标准关键字字段一样，将术语直接编码为 doc values 字段中的字节和单个索引标记。

默认使用DUCET 排序，这是一种尽力而为的语言中性排序尝试。

以下是设置用于按“电话簿”顺序对德语姓名进行排序的字段的示例

PUT my-index-000001
{
  "mappings": {
    "properties": {
      "name": {   
        "type": "text",
        "fields": {
          "sort": {  
            "type": "icu_collation_keyword",
            "index": false,
            "language": "de",
            "country": "DE",
            "variant": "@collation=phonebook"
          }
        }
      }
    }
  }
}

GET /my-index-000001/_search 
{
  "query": {
    "match": {
      "name": "Fritz"
    }
  },
  "sort": "name.sort"
}

	`name` 字段使用 `standard` 分析器，因此支持全文查询。
	`name.sort` 字段是一个 `icu_collation_keyword` 字段，它将名称保留为单个标记 doc values，并应用德语“电话簿”顺序。
	一个示例查询，该查询搜索 `name` 字段并在 `name.sort` 字段上排序。

ICU 排序关键字字段的参数

编辑

icu_collation_keyword 字段接受以下参数

`doc_values`	该字段是否应以列跨步方式存储在磁盘上，以便以后用于排序、聚合或脚本？接受 `true`（默认值）或 `false`。
`index`	该字段是否可搜索？接受 `true`（默认值）或 `false`。
`null_value`	接受一个字符串值，该值将替换任何显式的 `null` 值。默认为 `null`，这意味着该字段被视为缺失。
`ignore_above`	长度超过 `ignore_above` 设置的字符串将被忽略。检查是在排序之前对原始字符串执行的。`ignore_above` 设置可以使用PUT 映射 API在现有字段上更新。默认情况下，没有限制，所有值都将被索引。
`store`	字段值是否应与`_source`字段分开存储并可检索。接受 `true` 或 `false`（默认值）。
`fields`	多字段允许以多种方式为不同的目的索引相同的字符串值，例如一个用于搜索的字段和一个用于排序和聚合的多字段。

排序选项

编辑

strength: strength 属性确定在比较期间认为重要的最小差异级别。可能的值为：primary、secondary、tertiary、quaternary 或 identical。有关每个值的更详细说明，请参阅ICU 排序文档。除非排序中另有指定，否则默认为 tertiary。
decomposition: 可能的值：no（默认值，但取决于排序）或 canonical。将此分解属性设置为 canonical 允许 Collator 正确处理未规范化的文本，产生与文本已规范化时相同的结果。如果设置了 no，则用户有责任确保所有文本在比较之前或获取 CollationKey 之前都已采用适当的形式。调整分解模式允许用户在更快和更完整的排序行为之间进行选择。由于世界上许多语言不需要文本规范化，因此大多数语言环境将 no 设置为默认分解模式。

以下选项仅供专家使用

alternate: 可能的值：shifted 或 non-ignorable。将 quaternary 强度的备用处理设置为移位或不可忽略。这归结为忽略标点符号和空格。
case_level: 可能的值：true 或 false（默认值）。是否需要区分大小写的排序。当 strength 设置为 primary 时，这将忽略重音差异。
case_first: 可能的值：lower 或 upper。用于控制当 strength 为 tertiary 时不忽略大小写时哪个大小写先排序。默认值取决于排序。
numeric: 可能的值：true 或 false（默认值）。数字是否根据其数字表示进行排序。例如，值 egg-9 排在值 egg-21 之前。
variable_top: 单个字符或缩写。控制 alternate 的可变内容。
hiragana_quaternary_mode: 可能的值：true 或 false。quaternary 强度下区分片假名和平假名字符。

« ICU 排序标记过滤器 ICU 变换标记过滤器 »